Conversación con Liu Ye: OpenClaw es solo las "extremidades", necesitamos pasar de "empleados digitales" a "organizaciones digitales", de "fabricar soldados" a "desplegar formaciones"

对话｜张鹏

Cuando todos se lanzan en masa a desarrollar «empleados digitales» y herramientas de agentes, y en escenarios segmentados se vuelven cada vez más competitivos, ¿dónde está realmente la barrera protectora del emprendimiento en IA?

Recientemente, Zhang Peng, fundador y presidente de GeekPark, y Liu Ye, fundador de VisionFlow, tuvieron una discusión previa a la explosión de OpenClaw. Como uno de los primeros programadores de China, nacido en 1979, Liu Ye ha experimentado un ciclo completo desde hardware de bajo nivel hasta software, desde integración empresarial (ToB) hasta educación en línea (Internet industrial). Tras meses de aislamiento, hablando con investigadores de las principales empresas de IA globales y los mejores emprendedores nacionales, llegó a una conclusión fría: tratar la IA como «empleados digitales» para reemplazar tareas individuales es una simplificación excesiva del pensamiento ingenieril sobre los negocios reales.

En este diálogo, Liu Ye propuso conceptos y marcos inspiradores como «exposición progresiva» y «matriz de tareas en dimensiones altas y bajas». En la discusión, una posibilidad futura se vuelve cada vez más clara: el próximo paso de la IA no será una proliferación de herramientas, sino la construcción de una «organización digital» con mecanismos de colaboración, reporte y reflexión. Cuando la cultura empresarial ya no sea necesaria y las tareas de baja dimensión se eliminen por completo, quizás el CEO del futuro ya no será un «director ejecutivo», sino un «productor» con un gusto extremo.

Este es un análisis sobre la forma de organización en la era de IA, las barreras comerciales y la ecología de la nueva generación de emprendedores. Esperamos que genere debates más profundos en el futuro.

A continuación, el resumen de la conversación organizado por GeekPark:

01 La gran guerra de A millones ya empezó, hay mucho por hacer,

pero ¿qué es lo más importante?

Zhang Peng: Desde «Caja de tareas» hasta hoy, tan entusiasmado con explorar los cambios que trae OpenClaw, ¿qué cambios has experimentado tú?

Liu Ye: Soy de la primera generación de programadores en China, desde pequeño aprendí a programar. He visto el ciclo completo desde BASIC a DOS, luego Windows y la era actual de Mac, y también el auge de las tres principales portales. He trabajado en informatización empresarial, queriendo hacer un IBM chino; luego me transformé en «Caja de tareas», participando profundamente en la educación en línea. La educación en línea es una industria muy profunda, la forma más avanzada del Internet industrial, y también la «última oportunidad». Esta experiencia me hizo sentir claramente que el núcleo del Internet industrial no es la tecnología, sino la industria misma, los negocios. La ley del Internet industrial es: primero hacer emparejamiento de información, luego productos estándar, después la cadena de suministro, y finalmente servicios no estándar y complejos. Cuanto más avanzado, mayor margen de ganancia, pero también más difícil de hacer.

Por eso, cuando llegó la ola de IA, lo primero que hice fue dedicar casi seis meses a no hacer nada, solo a que Recursos Humanos hablara con todas las personas posibles. Desde los científicos principales de startups famosas hasta los algoritmos, ingenieros e investigadores de las principales empresas, y los nuevos emprendedores en IA, hablé con todos, acumulando cerca de mil horas de interacción. ¿Hasta qué punto? Hasta que con solo escuchar la primera mitad de una frase, ya sabía la segunda. La percepción común ya no era muy diferente.

Tras una vuelta de conversaciones, la conclusión fue sorprendentemente unánime: todos estaban haciendo lo mismo: empleados digitales. Esto me recordó un error estratégico de un gran líder en la computación en la nube, que dijo que Alibaba haciendo nube no era más que un servicio de almacenamiento en la nube. Usar un marco antiguo para entender algo nuevo siempre te hace ver solo la capa superficial.

Hoy, todos piensan que crear un empleado digital con Claude para «ventas digitales» o «atención al cliente digital» no tiene barreras técnicas ni barreras de protección. Cuando quemar miles de millones de tokens en un día se vuelve normal, esto parece más una manufactura, y simplemente no puede despegar. Por eso, hago la misma pregunta a cada emprendedor: ¿Por qué tú? ¿Qué te hace capaz? ¿Eres más joven? ¿Más inteligente? ¿Puedes quedarte despierto más tiempo? Competir en un solo dimensión, ¿no es solo la diferencia entre «10 segundos 69» y «10 segundos 70»?

Zhang Peng: Sí, hoy hay mucho por hacer, pero ¿qué es lo más importante? ¿Tienes alguna reflexión al respecto?

02 La década del Internet industrial, hoy se repetirá

Liu Ye: La IA es muy diferente, pero creo que todavía hay aspectos que se alinean con las reglas del Internet industrial. En las primeras etapas, se hacen herramientas; en la etapa media, se hacen negocios; y al final, consultoría. Cuando la tecnología no está madura, los primeros en llegar son ingenieros, que tienden a abstraer demasiado el mundo, como Baidu con su «cálculo en marcos», que piensa que todo es un marco. Pero la segunda mitad del Internet móvil son contenidos y servicios, no marcos.

Las personas con origen en ingeniería tienden a simplificar demasiado la organización. Mira las tres principales portales de la primera generación de Internet: los que llegaron más lejos fueron Tencent y Alibaba, que estaban algo alejados de la tecnología, pero muy cercanos a la industria. Hoy pasa igual, la tecnología se vuelve cada vez menos importante.

Zhang Peng: Los humanistas están felices, parece que no saber programar ya no importa tanto. Pero a largo plazo, ¿qué exige la era de IA a las personas? ¿Qué cambios hay?

Liu Ye: En la estructura de talento en China, veo un problema. La primera generación de programadores en China fueron en realidad gerentes de producto, porque en ese entonces no existía ese puesto. El rol de gerente de producto se popularizó alrededor de 2010, tras el lanzamiento del iPhone 4 por Steve Jobs y la propuesta de productos de Zhang Xiaolong, y se popularizó la frase «todos son gerentes de producto». Antes de eso, los programadores también hacían de gerentes de producto; primero fueron programadores, luego gerentes. La primera generación de programadores aprendió a codificar no solo por trabajo, sino por interés, por pasión. Son los que más destacan, porque no estaban definidos por reglas, sino que saltaron fuera de lo convencional.

Pero la segunda generación de programadores, en la última década, ha sido transformada por el Internet industrial en «obreros del código», y los gerentes de producto en arquitectos. Los programadores han sido domesticados y no piensan en negocios. Hoy llega la IA, y la parte de «código» desaparece; si no evolucionan, solo quedarán los «obreros». Estos jóvenes son excelentes, pero su comprensión de la industria es nula. Por eso, en la actual «gran guerra de A», en esencia todavía hay una proliferación de herramientas.

En la etapa tardía del Internet industrial, empresas como Alibaba y Meituan usan consultoras top (MBB) para análisis comerciales, y consultores que lideran procesos con gerentes de producto, porque los gerentes de producto en internet no tienen un sistema. Así se hace en Feishu. Aunque ByteDance es solo internet, también usa mucho consultoría para construir procesos internos. En la era de IA, esta regla solo se fortalecerá, no disminuirá.

03 El problema de las empresas nunca ha sido el empleado, sino la organización

Zhang Peng: Entonces, ¿crees que la competencia en «empleados digitales» no tiene mucho sentido?

Liu Ye: Esa es mi conclusión principal: la verdadera meta no es empleados digitales, sino organizaciones digitales. Si la proliferación de empleados digitales elimina incluso los puestos de reclutamiento, y todos tienen buenos empleados digitales, ¿qué pasa después? ¿Las empresas podrán seguir ganando y teniendo éxito? En realidad, todos los problemas de las empresas son estratégicos y organizativos, nunca de empleados.

Por eso, hoy los agentes todavía trabajan para las personas, no para la toma de decisiones. Nosotros internalizamos OpenClaw y creamos algo llamado MetaOrg. Es un núcleo que puede generar equipos de agentes. Cuando enfrentamos tareas, no enviamos a un empleado, sino que construimos una «organización» para resolverlas. Esa organización tiene relaciones de colaboración, reporte, misión, objetivos y modos de acción.

Zhang Peng: Pero, ¿en el futuro será posible que una persona sea un departamento? ¿O incluso una empresa?

Liu Ye: Esa es una muy buena pregunta. Seguimos en el nivel de tareas: por ejemplo, usar IA para hacer un video corto o escribir un documento requiere múltiples rondas de diálogo. Dices una cosa, responde otra, y das retroalimentación. Es un uso de tipo «herramienta». Solo es muy inteligente.

Por eso, la idea de departamento o persona no se mide en cantidad, sino en capacidad. Cuando describimos un puesto avanzado, decimos: primero, puede hacer todo tipo de tareas; puede usar varias herramientas. Un puesto avanzado comprende la intención, planea rutas, ejecuta proactivamente, entrega resultados, reporta periódicamente, reflexiona y ajusta en función de los resultados. Esa es una capacidad avanzada.

Zhang Peng: Un departamento competente sería como un «L4 de conducción autónoma».

Liu Ye: Exacto. Cuando le das una habilidad, puede completar tareas complejas; si le das un sistema de habilidades, puede hacer tareas complejas y variadas; cuando hay múltiples agentes coordinados, puede hacer cosas aún más complejas, como grabar una serie corta. A menudo digo a los empleados: cuando usen MetaOrg, no se vean como supervisores, sino como presidentes. Tienen que explorar sus límites.

En el emprendimiento futuro, antes se decía que la familia daba 50 mil para emprender; ahora quizás se diga que se da un presupuesto en tokens para experimentar. Cuanto más tokens estés dispuesto a gastar, más avanzado será el puesto que puedas crear. Los puestos más altos requieren cadenas de razonamiento más largas, más iteraciones y retroalimentación.

Zhang Peng: Volviendo a la pregunta anterior, si un grupo de agentes puede dividirse en unidades más pequeñas, o en habilidades y roles, y si forma un equipo, la calidad de cada individuo determinará el éxito o fracaso en tareas clave. Esto vuelve a la lógica de la competencia organizacional del pasado: cuanto mayor sea la densidad de talento, mayor será la capacidad del núcleo de la organización para lograr sus objetivos y superar a la competencia.

El núcleo de esto es que, si en el futuro IA será omnipotente y todos podrán acceder a la mejor IA, además de que las organizaciones comerciales puedan ofrecer servicios segmentados más eficientes, en otra dimensión también deberíamos volver a la «densidad de talento»: cuanto más altas sean las capacidades atómicas de tus agentes y bots, mayor será la densidad de talento, y en tareas complejas, los resultados, la eficiencia e innovación serán mejores. No sé si esta deducción es correcta.

Liu Ye: Estoy de acuerdo. Dentro de las empresas, hay un departamento llamado OD, que significa desarrollo organizacional. La forma de medir si una organización puede ganar batallas es comparando todo el talento del rival, evaluando la adecuación de personas a puestos y capacidades, para predecir resultados. En general, las empresas ganan por su capacidad organizacional, no solo por estrategia de negocio. Un ejemplo claro es Alibaba. Alibaba valora mucho la construcción organizacional, y por eso ahora tiene un «segundo renacer». Aunque el equipo fundador envejece, la organización puede renovarse continuamente. En esencia, si algún día somos competidores y usamos IA, puedo construir una organización IA fuerte, con gran capacidad de desarrollo organizacional IA. ¿Cómo? Abriendo todos los sistemas de habilidades de los competidores, analizando sus habilidades, y desarrollando mejores habilidades en mi sistema, incluso cubriendo funciones que ellos carecen. Por ejemplo, si tengo un departamento estratégico, primero lo observaré y analizaré.

Huawei tiene la metodología «Cinco vistas y tres decisiones». Bromeo con amigos diciendo que, si usamos solo esa metodología, podemos vencer al 99% de la competencia. Las cinco vistas son: tendencias del sector, mercado y clientes, competidores, capacidades propias y oportunidades estratégicas; las tres decisiones son: puntos de control, objetivos y estrategias. Esa metodología permite filtrar a la mayoría de los competidores, porque la mayoría juega sin estrategia, confiando en decisiones rápidas, mientras que los expertos piensan en profundidad y en razonamiento. La primera reacción es: ¿cómo puedo liderar y pensar en qué hacer?

Zhang Peng: La idea de las «Cinco vistas y tres decisiones» es básicamente evitar las «reacciones impulsivas», y en cambio, consolidar un proceso de razonamiento prolongado, ¿verdad?

Liu Ye: Los expertos hacen investigación profunda y pensamiento, conocen las mejores prácticas globales, analizan y razonan en profundidad, y dan respuestas en un solo movimiento. Creo que la competencia futura se centrará en modelar los negocios tradicionales, abstraer sus capacidades en sistemas y poder coordinar agentes inteligentes. Esa será la nueva capacidad de desarrollo organizacional (OD), que evolucionará a AIOD, la única ventaja competitiva futura.

Lo que distingue a Alibaba es su construcción organizacional. Cuando la organización está bien, puede competir contra cualquier rival y en cualquier negocio. Ma Yun dijo que la guerra no es solo para conquistar un campo, sino para hacer crecer la organización. Alibaba mide el éxito en la guerra por el crecimiento organizacional. Es un pensamiento muy avanzado. Ma Yun mismo es como un centro de información, que viaja 200 veces al año para recopilar información y mejorar la organización. Él es el verdadero presidente, no solo el CEO.

Esa es la forma más avanzada de organización: capaz de atravesar varias generaciones, cubrir diferentes industrias, mantener el éxito y ajustarse en tiempos de declive. En general, si en diez años se nombra mal a un CEO, la empresa probablemente se degrade. Por eso, usar la historia como referencia y ver el presente desde una perspectiva de mayor dimensión, incluso ajustando y optimizando los modelos existentes, es mucho más eficiente que construir desde cero.

Hoy, cualquiera puede montar fácilmente un agente, con una barrera de entrada muy baja, y con el apoyo de comunidades open source, el sector ya no tiene secretos. La competencia en herramientas siempre será superada por las comunidades open source. Entonces, ¿qué es lo que las comunidades open source no pueden replicar, y que constituye su ventaja competitiva central?

04 La física de las organizaciones IA: ¿por qué la «exposición progresiva» es clave?

Zhang Peng: En la «época pasada», al hablar de organizaciones, se enfatizaba la cultura, los valores, los KPI, etc. Cuando pasamos de la gestión de organizaciones de esa era a la nueva era de organizaciones con agentes IA, ¿qué contenidos podemos eliminar por completo y cuáles mantener pero transformar?

Liu Ye: Anthropic lanzó skills principalmente por la idea de «exposición progresiva» en codificación IA: si la IA recibe mucha información desordenada, puede sufrir corrupción de contexto, falta de atención y caos. La exposición progresiva ayuda a mantener la atención y a producir resultados de calidad. Si dependemos de la interacción humana para esa exposición, en realidad sería diálogo totalmente manual, muy ineficiente. Por eso, el valor central de skills es dividir tareas complejas en capas, logrando una exposición progresiva a la IA.

Esto coincide con la lógica de gestión empresarial: la junta se enfoca en estrategia, el CEO en tácticas y gestión de altos directivos, los empleados en tareas simples. Si 300 personas participan en una misma reunión, no se puede realizar. La clave de la organización es la jerarquización de la información, como la normalización de bases de datos que mejora la eficiencia mediante capas y compresión. Los problemas complejos deben dividirse en capas y exponerse progresivamente, no introducir todo el contexto de una sola vez. Esa es la lógica central de las organizaciones tradicionales, dado que la capacidad computacional en un momento dado es limitada.

Zhang Peng: Cada modelo requiere un enorme poder de cálculo para crear desde cero, lo que es muy ineficiente.

Liu Ye: Imposible de otra forma. La clave sigue siendo la exposición progresiva en capas, y los recursos necesarios deben ser utilizados según la capacidad del modelo IA. Además, otra razón por la que Anthropic lanzó skills es que las tareas complejas han superado los límites de la física básica; skills permite dividir tareas complejas en tareas simples de baja dimensión. La dimensión de la dificultad no es solo fácil o difícil, sino el nivel de complejidad — existen tareas de baja dimensión y alta dificultad, y de alta dimensión y baja dificultad. Por ejemplo, programar o resolver problemas matemáticos son tareas de baja dimensión y alta dificultad.

Horizon, Yu Kai de Baidu, propuso un modelo clásico: todos los trabajos pueden clasificarse en cuatro cuadrantes según «grado de competencia» y «dimensión alta o baja»: alta dimensión y alta competencia, baja dimensión y baja competencia, baja dimensión y alta competencia, y alta dimensión y baja competencia. Por ejemplo, ventas e ingeniería son tareas de baja dimensión y alta competencia; gerentes de producto y CEO, de alta dimensión y alta competencia; científicos, de alta dimensión y baja competencia — estos pueden ser los temas que solo una persona en el mundo estudie, con baja competencia pero alta dimensión. Tareas de alta dimensión y alta competencia, como crear cortos de alta calidad o novelas excelentes, aún no puede hacer la IA; tareas de baja dimensión y alta competencia, como optimización de código, la IA ya puede hacer muy bien. Cuanto mayor sea la dimensión, menos datos hay, pero la cantidad de datos necesarios para entrenar el modelo aumenta. Por eso, los modelos de texto aparecieron primero, luego los de imagen y video, y los modelos de videos cortos aún no se han implementado ampliamente. La contradicción entre tareas de alta dimensión y datos de alta dimensión solo puede resolverse dividiendo tareas con skills, como cuando en una empresa no hay talento para un puesto avanzado, se divide en varios puestos básicos. Solo los puestos de alta dimensión, como CEO, son insustituibles.

Zhang Peng: Las tareas de baja dimensión y alta competencia serán completamente sustituidas por IA.

Liu Ye: 100% serán sustituidas, y esa sustitución ya está ocurriendo.

Zhang Peng: Exactamente, por eso esas tareas deben resolverse cuanto antes con IA, descomponiéndolas en skills y organizándolas con agentes, sin necesariamente la participación humana en el proceso.

Liu Ye: Tengo una hipótesis inicial: IBM y Accenture, las dos consultoras más grandes del mundo, su negocio esencial es extraer las mejores prácticas de la industria y alinearlas con la digitalización, vendiendo procesos, no herramientas. Cuando las empresas compran procesos de riesgo o propiedad intelectual, suelen contratar consultoras para implementarlos. Nuestro trabajo actual es construir clusters de skills, encontrar a los mejores expertos en cada campo, extraer sus capacidades, alinearlas y formar conjuntos de skills estandarizados. Es similar al modelo de «Caja de tareas»: en colaboración con la Universidad de Beijing, la Universidad Renmin, el grupo de formulación de exámenes de la universidad y profesores de Shiyan, extraemos métodos clave para formular, explicar y corregir exámenes, y luego colaboramos con ingenieros de Baidu para construir sistemas. Es esencialmente alinear las mejores prácticas. La capacidad organizacional clave es formar equipos interdisciplinarios de alta calidad, que entiendan la industria, la ingeniería, y puedan coordinar expertos de diferentes sectores, además de tener habilidades comerciales, de reclutamiento y gestión. Esa será la estructura central de las nuevas empresas SaaS de IA.

Zhang Peng: Siguiendo esa línea, en el futuro deberíamos retroceder desde la dimensión de negocio para definir la forma organizacional necesaria. La organización es una estructura de coordinación, similar a un sistema operativo de negocio: poner a las personas como unidades productivas en la organización adecuada para maximizar valor, o de lo contrario, no funcionará eficientemente. Hoy, los elementos productivos han cambiado: de depender de humanos a una oferta infinita de IA, y si se mantiene un ciclo positivo, puede expandirse continuamente. La cultura organizacional del pasado puede transformarse en objetivos y contextos, sin necesidad de slogans, reuniones tradicionales o actividades de integración.

Liu Ye: La cultura es la intención de gestión, no la de negocio. En la era pasada, la estrategia comenzaba con la visión, que definía los valores; la organización obedecía a la estrategia, y el negocio validaba todo. La cultura era solo un medio de gobernanza, no servía directamente a la estrategia, e incluso podía ser una preferencia personal del fundador.

Zhang Peng: En el pasado, la brecha entre el servicio a la estrategia y la ejecución era grande. ¿La IA está eliminando esas brechas?

Liu Ye: Sí, en la era de IA, la cultura ya no es tan importante. La cultura es la creencia en la organización humana, pero la IA no la necesita. La IA no tiene carne ni hueso, no requiere cultura. Lo que necesita la IA es poder de cálculo.

Zhang Peng: Quieres decir que la IA necesita objetivos y principios. Un documento basta para definirlos, y todas las unidades productivas pueden sincronizarse y ejecutar fielmente, sin desviaciones. Gran parte de la fricción en las organizaciones humanas desaparece.

Liu Ye: Exacto. La estructura organizacional anterior: estrategia → cultura → talento → ejecución, ahora en la organización IA: objetivos → principios → skills → coordinación. La cadena de gestión se ha comprimido a la mitad.

05 La última barrera: estética y coordinación

Zhang Peng: ¿Cuál es la nueva barrera de las empresas? La calidad del talento se reemplaza por Skill Set, y si tengo buen gusto, puedo obtener los mejores skills del mundo. La siguiente capa es la «orquestación», ¿verdad? ¿Qué cambios traerá eso?

Liu Ye: Como en Huaqiangbei, donde puedes comprar todos los componentes electrónicos, pero ¿por qué no todos pueden hacer un iPhone? En la biografía de Jobs, la definición de estética es muy clara: haber visto suficientes cosas buenas en el mundo, poder distinguir lo bueno de lo malo, eso es estética. Si nunca has visto un buen producto, buen proceso u organización, no podrás crear resultados de calidad.

Zhang Peng: La experiencia es la base de la estética.

Liu Ye: La experiencia más talento, y nada más.

Zhang Peng: La estética se refleja en dos formas: una, diseñar y coordinar proactivamente; otra, identificar y seleccionar lo que surge en medio del caos, y esas dos no se oponen.

Liu Ye: No, no se oponen. Algunos logros de Apple son desarrollos propios, otros adquisiciones de terceros, pero en el fondo todo se basa en tener buen gusto — no reinventar la rueda, y cuando sea necesario, desarrollar por cuenta propia.

Zhang Peng: La clave está en que el agente, tras establecer un módulo, confirme la ruta, permitiendo la coordinación emergente; o bien, definir todas las rutas de antemano y hacer una coordinación de diseño.

Liu Ye: La emergencia no es controlable; primero hay que establecer semillas y principios, eso refleja el gusto de la persona. Como un buen ingeniero que con 500 o 5000 líneas de código hace un buen OpenClaw, mientras que uno no calificado con 50,000 líneas no logra el mismo resultado. Las reglas básicas aún deben ser humanas.

Zhang Peng: Entonces, no podemos esperar que surja en medio del caos, eso tomaría mucho tiempo. La coordinación sigue siendo crucial. ¿Solo puede provenir del fundador, o más bien como un «productor»?

Liu Ye: Me gusta mucho esa definición. Es así: incluso con emergencia y escala, aún se necesita etiquetado de datos, limpieza de datos y alineación continua de algoritmos, para evitar expansiones desordenadas.

El coordinador depende de la complejidad del negocio: tareas muy complejas, como grabar una serie o escribir indicaciones, no las puede hacer una sola persona. La idea de «empresa unipersonal» se usa mucho, pero el mundo no puede simplificarse indefinidamente. Aunque una computadora puede ser operada por una sola persona, es muy difícil que una sola persona domine todas las capacidades de alto nivel, como Elon Musk o Fei-Fei Li, que pueden dominar múltiples áreas y asumir cualquier rol, son casos raros.

Zhang Peng: Si pudiéramos acceder a los mejores agentes y sistemas de skills del mundo, ¿sería posible, por ejemplo, que un guionista excepcional, usando estos recursos, produzca una película de renombre mundial y rentable? Aunque el guionista tenga un punto fuerte (el buen guion), no puede completar todas las etapas. ¿Es viable ese ciclo de «punto fuerte + recursos globales»?

Liu Ye: Es una cuestión de datos — si existen datos que puedan almacenar información de alta dimensión. Por ejemplo, entrenar skills de CEO actualmente no tiene suficientes datos: los textos largos de Ren Zhengfei, las palabras de Ma Yun, no reflejan completamente su cognición de alta dimensión; incluso si recopilamos informes financieros globales y todas las declaraciones de CEOs, no podremos entrenar un modelo que sea CEO, porque las capacidades clave del CEO son conocimientos tácitos, no completamente expuestos en textos.

Zhang Peng: Es decir, las capacidades centrales del CEO aún no se pueden vectorizar. Esto limita la idea de una «empresa unipersonal»: aunque cada uno pueda aportar en una dimensión, y con recursos globales, todavía falta un coordinador central, que en esencia es la capacidad de coordinación. En definitiva, tener los mejores componentes aún requiere una fuerte capacidad de coordinación.

Liu Ye: Lo mismo pasa con los gerentes de producto: su conocimiento tácito no puede ser completamente formalizado en textos. Esa es la razón por la que los compañeros de IA y generación de contenido aún no son «vivos»: carecen de datos que respalden conocimientos tácitos de alta dimensión. Cuando los datos sean escasos, lo principal será desarrollar skills; cuando sean abundantes, se hará un modelo. La robótica aún no puede implementarse, porque falta suficiente data.

Zhang Peng: De aquí se deduce que, en el futuro, la competencia de las empresas no será si acceden a los mejores modelos, sino en su capacidad de coordinación, innovación en objetivos y significado, que constituyen la verdadera ventaja competitiva.

Liu Ye: Un exsocio de McKinsey me dijo que su negocio principal era extraer las mejores prácticas, construir modelos y ayudar a las empresas a implementarlos. Por ejemplo, al asesorar a fabricantes de autos en China, consultan con colegas en Japón sobre Toyota, en esencia, replicando y adaptando las mejores prácticas.

El caso de Mimi Meng en cortos es muy ilustrativo. Ella es de letras, pero su equipo está formado por graduados de matemáticas y ciencias de la computación de universidades top, que analizan la lógica de videos virales, logrando tasas de éxito muy altas. Esencialmente, modelan ingeniería social para la industria, aunque con riesgo de sobreajuste, la dirección es correcta.

IBM, Accenture y McKinsey hacen algo similar: la primera generación de McKinsey modeló las mejores prácticas en socios, IBM las convirtió en procesos digitales, en esencia, vendiendo gestión y procesos.

Zhang Peng: La clave es extraer las mejores prácticas, validarlas y hacerlas realidad. Esa será la clave del éxito en la organización empresarial futura. ¿Su estrategia será seguir esa línea?

Liu Ye: En los últimos tres años, nos centramos en el negocio de AI ToC, reconstruyendo con MetaOrg todo el sistema de enseñanza y investigación. No es solo «usar IA para mejorar eficiencia». Construimos un sistema completo de investigación y enseñanza con agentes: un equipo de investigación en aprendizaje de idiomas, que sigue las últimas teorías; un equipo de recopilación de corpus en contextos reales; un equipo de evaluación de diálogo para estándares de competencia oral; un equipo de diseño de diálogo que convierte métodos pedagógicos en interacción natural; un equipo de diseño de contenidos que adapta ejercicios; un equipo de análisis de datos que extrae señales reales del aprendizaje. Cada equipo tiene sus skills, flujos de trabajo y estándares de evaluación. Hoy, aproximadamente el 80% del trabajo en etiquetado de datos, monitoreo, evaluación y análisis de usuarios lo realiza IA.

Nuestro camino es evolucionar de «IA como función» a «IA como capacidad organizacional». La posición de profesor de inglés, de complejidad media, ya la hemos abstraído y generado con MetaOrg; combinando la arquitectura de skills, podemos construir puestos más avanzados.

Ya hemos completado toda la cadena del tutor IA, incluyendo la coordinación y la implementación. Probablemente, en el futuro, Meta tutor evolucionará a Meta organización — donde la unidad mínima será un puesto, no un empleado, centrado en la colaboración y gestión entre puestos. Nuestro foco actual es conectar con los CEOs más destacados, porque ellos son los verdaderos «productores».

Zhang Peng: Entonces, lo que lanzan es más parecido a un departamento escalable.

Liu Ye: La meta es avanzar hacia una «empresa». Las grandes empresas en realidad están formadas por varias pequeñas, y la unidad más pequeña es un puesto. Hay que atender tanto la estrategia de toda la industria como la innovación en los puestos — si los puestos no funcionan bien, incluso un buen gerente no puede formar una organización eficiente.

Zhang Peng: Para hacer un buen departamento, primero hay que desglosar las capacidades y puestos relacionados, y luego desglosar los skills de esos puestos, buscando que estos skills alcancen el estado del arte.

Liu Ye: La única estrategia es co-crear con las empresas líderes. Los skills que se desarrollen deben ser evaluados por las mejores empresas, como los informes que revisan los superiores, no solo por uno mismo. Por ejemplo, en modelar cortos, hay que obtener reconocimiento de las instituciones top del sector, o no será considerado realmente de primera categoría. Todo debe ser evaluado y medido.

Midjourney produce imágenes de alta calidad porque su equipo incluye fotógrafos y ingenieros con un gusto estético superior; LV, entrenando modelos con Stable Diffusion, logra resultados mucho mejores que modelos comunes, porque tiene el mejor gusto y datos del mundo. La evaluación de capacidades es clave. Para hacer IA, hay que parecerse a IBM o Huawei: después de servir a las mejores automotrices, dominar las mejores prácticas de fabricación; Huawei invirtió 4 mil millones en IPD, para gestión interna y para exportar, eso es la verdadera ventaja competitiva.

Zhang Peng: Esencialmente, se trata de desglosar skills siguiendo las mejores prácticas, lograr el estado del arte en skills, luego en puestos y departamentos, y finalmente en la orquestación de negocios, que es el camino claro hacia la cima. Otra pregunta clave: ¿cómo mantener los skills actualizados? Como en la evolución biológica, cada estado del arte puede quedar obsoleto en la siguiente era. ¿Cómo afrontar ese cambio?

Liu Ye: La lógica central es la misma que en la evolución humana y biológica: percepción, planificación, acción y reflexión. Mantener una alta densidad de talento y atributos transversales en la organización, conectando con la frontera tecnológica (investigadores), explorando modelos de negocio, y co-creando con clientes líderes en escenarios reales, evaluando y optimizando continuamente, es la única vía.

Zhang Peng: De aquí, se puede inferir que el sistema de mejores prácticas de las empresas top ayuda a las medianas a avanzar rápidamente, pero esa estructura solo la pueden usar las que tengan recursos y capital. Las pymes y startups tienen menos posibilidades. La industria de consultoría ha evolucionado de servicios tradicionales a productos tool-based. ¿La oportunidad para las nuevas generaciones está solo en skills? ¿Cómo innovar disruptivamente en skills para evitar un ciclo de «élite»?

Liu Ye: En la primera generación de SaaS, empresas como Salesforce, Palantir, Notion, Slack, tenían productos genéricos o integrados, demostrando que los emprendedores jóvenes aún tienen oportunidad — alejándose de negocios en los que no tienen ventajas, enfocándose en habilidades universales, encontrando nichos adecuados. Notion, por ejemplo, no se ocupa de procesos específicos, solo abstrae funciones de notas y textos, convirtiéndose en una herramienta universal. El mundo será una colaboración de innumerables agentes, y los jóvenes deben primero encontrar su nicho, aprovechar sus ventajas, y seguir las tendencias para no quedar rezagados. En los últimos diez años, la primera generación de emprendedores en Internet fueron los expatriados (por su ventaja cognitiva), la segunda, programadores (por herramientas), y la tercera, emprendedores en Internet industrial, en segunda etapa. La regla es clara: los jóvenes deben entender la situación y sus ventajas.

Zhang Peng: Entonces, ¿crees que la innovación y optimización en skills tienen un impacto limitado, y que la mayor oportunidad para las nuevas generaciones está en la innovación en objetivos — identificar nuevos objetivos emergentes en la era, combinarlos con skills de alta calidad y en constante evolución, para construir nuevos sistemas y lograr avances?

Liu Ye: La competencia en skills es muy sutil. Aunque skills están en auge, si alguien logra alinearse con expertos humanos aún más top y crear skills mejores, los skills existentes serán reemplazados. Esto vuelve a la cuestión de la barrera de protección: los primeros en llegar no siempre serán los que ganen a largo plazo, sino que pueden convertirse en «nutrientes» para rivales de mayor dimensión.

Zhang Peng: Tememos convertirnos en un «cargador», solo ayudando a rivales de mayor nivel a sentar las bases. Si solo optimizamos en objetivos existentes, sin cambios fundamentales, no tiene sentido, y la ventaja en eficiencia se igualará. Para que las nuevas generaciones logren avances, deben hacer una diferencia radical en los objetivos.

Liu Ye: Exacto. Si solo crecen en capacidades, solo alimentan a rivales de mayor nivel. La esencia del negocio es muy simple: entender quién es el cliente, cómo servirle y cómo hacer que no pueda dejarte. Si un joven no sabe quién es su cliente, no podrá optimizar.

Zhang Peng: También hay que enfocarse en mercados incrementales, ya que en mercados existentes la competencia es muy dura. Si tu negocio tiene éxito, atraerás a otras empresas del mismo campo a un nivel avanzado, con riqueza y conocimiento, y será difícil competir en lo existente.

Liu Ye: En la historia del SaaS, el éxito de Notion y Slack radicó en la diferenciación de objetivos.

En la primera etapa del SaaS, muchas inversiones en China fueron en científicos, pero luego se vio que los científicos son mejores para colaborar, no para emprender — en campos de alta dimensión y baja competencia, con modelos diferentes a los del negocio. Cuando la tecnología madura, entra la competencia comercial, con alta dimensión y alta competencia, dominada por profesionales, gerentes de producto y negocios. Por ejemplo, cuando Apple lanzó el iPhone, las aplicaciones en los rankings eran desarrolladas por programadores; años después, con la llegada del Internet industrial, esas aplicaciones fueron reemplazadas por productos liderados por profesionales.

En la era de IA, si seguimos la lógica del Internet móvil, el núcleo en Silicon Valley seguirá siendo la experiencia práctica, igual que en la industria china, donde la segunda etapa de emprendimiento también la lideran emprendedores con experiencia. La oportunidad para los jóvenes sigue siendo encontrar objetivos diferenciados.